作者中心
专家审稿
责编办公
编辑办公全文下载排行
1
2026, 15(4): 1125-1151.
摘要
24996KB
雷达通过发射波形接收并处理回波信号从而获取目标信息，因此发射波形性能是决定雷达系统性能的关键因素。相比于其他雷达体制，合成孔径雷达(SAR)具有分布式目标场景，大时间带宽积波形，大幅宽远距离成像，距离-方位耦合等独特的工作特性，这对SAR波形设计提出了更高的要求。基于作者在SAR波形编码领域相关的研究工作和思考，该文总结了SAR波形设计近年来国内外的研究现状，讨论了SAR波形设计面临的技术挑战和其在提升系统成像性能上的作用，并展望了未来SAR波形设计的研究和发展趋势。
雷达通过发射波形接收并处理回波信号从而获取目标信息，因此发射波形性能是决定雷达系统性能的关键因素。相比于其他雷达体制，合成孔径雷达(SAR)具有分布式目标场景，大时间带宽积波形，大幅宽远距离成像，距离-方位耦合等独特的工作特性，这对SAR波形设计提出了更高的要求。基于作者在SAR波形编码领域相关的研究工作和思考，该文总结了SAR波形设计近年来国内外的研究现状，讨论了SAR波形设计面临的技术挑战和其在提升系统成像性能上的作用，并展望了未来SAR波形设计的研究和发展趋势。
2
2026, 15(4): 1258-1277.
低空目标对机场等空域安全的威胁日趋显著，其精准探测与识别是雷达系统亟待解决的关键问题，而高质量的雷达实测数据集是推进低空目标识别的核心基础。然而，现有公开雷达低空目标数据集多为仿真数据或近距离采集数据，难以真实反映和验证远距离场景下雷达目标识别性能。因此，该文构建了基于全息凝视雷达(HSR)的低空目标探测识别数据集，完成了外场环境下典型低空目标的实测数据采集与识别验证。该数据集涵盖多旋翼无人机、雀类、大型迁徙鸟等典型目标，以及悬停、盘旋、径向飞行等典型运动场景，并且同步提供目标多普勒瀑布图与雷达实测航迹信息(含方位角、俯仰角、径向速度、归一化信噪比)，为探索目标精细化特征与运动状态的内在关联提供了数据支撑。在此基础上，该文采用多模态自适应特征融合网络，提取不同目标的多普勒特征与运动学特征并进行融合，验证了区分不同类型低空目标的有效性。
低空目标对机场等空域安全的威胁日趋显著，其精准探测与识别是雷达系统亟待解决的关键问题，而高质量的雷达实测数据集是推进低空目标识别的核心基础。然而，现有公开雷达低空目标数据集多为仿真数据或近距离采集数据，难以真实反映和验证远距离场景下雷达目标识别性能。因此，该文构建了基于全息凝视雷达(HSR)的低空目标探测识别数据集，完成了外场环境下典型低空目标的实测数据采集与识别验证。该数据集涵盖多旋翼无人机、雀类、大型迁徙鸟等典型目标，以及悬停、盘旋、径向飞行等典型运动场景，并且同步提供目标多普勒瀑布图与雷达实测航迹信息(含方位角、俯仰角、径向速度、归一化信噪比)，为探索目标精细化特征与运动状态的内在关联提供了数据支撑。在此基础上，该文采用多模态自适应特征融合网络，提取不同目标的多普勒特征与运动学特征并进行融合，验证了区分不同类型低空目标的有效性。
3
2026, 15(4): 1340-1359.
强化学习是实现认知雷达目标检测的重要手段。现有研究主要面向集中式MIMO雷达设计检测方法，存在观测视角单一的缺陷。针对该问题，该文面向同时具备波形、空间分集的分布式MIMO雷达提出一种基于强化学习的多目标检测方法。该方法在利用空间分集保障目标检测鲁棒性的同时，以波形分集为核心构建了马尔可夫决策过程：首先通过统计信号检测手段感知环境中的目标属性，据此优化发射波形，并利用积累经验更新对环境态势的认知，循环往复，最终稳定获取在目标方向上聚焦的雷达波形，达到优异检测性能。其中，为方便目标定位，该文以形状规则的栅格作为待检测单元推导了多天线相干处理模式下的极大化栅格广义似然比检测器；为实现波形优化，该文设计了常规及强目标限制共两种优化问题，并给出基于连续凸近似的解法。经静态、动态场景的仿真实验表明，所提方法能够实现对环境态势的自主感知，且拥有比对比方法更优的检测性能，尤其在弱目标上表现更佳。
强化学习是实现认知雷达目标检测的重要手段。现有研究主要面向集中式MIMO雷达设计检测方法，存在观测视角单一的缺陷。针对该问题，该文面向同时具备波形、空间分集的分布式MIMO雷达提出一种基于强化学习的多目标检测方法。该方法在利用空间分集保障目标检测鲁棒性的同时，以波形分集为核心构建了马尔可夫决策过程：首先通过统计信号检测手段感知环境中的目标属性，据此优化发射波形，并利用积累经验更新对环境态势的认知，循环往复，最终稳定获取在目标方向上聚焦的雷达波形，达到优异检测性能。其中，为方便目标定位，该文以形状规则的栅格作为待检测单元推导了多天线相干处理模式下的极大化栅格广义似然比检测器；为实现波形优化，该文设计了常规及强目标限制共两种优化问题，并给出基于连续凸近似的解法。经静态、动态场景的仿真实验表明，所提方法能够实现对环境态势的自主感知，且拥有比对比方法更优的检测性能，尤其在弱目标上表现更佳。
4
2026, 15(4): 1238-1257.
针对海空目标雷达分类中存在的特征提取不充分、时空关联建模能力薄弱及分类性能欠佳等问题，该文围绕图网络特征提取和分类技术开展研究。首先，聚焦数字阵泛探雷达，构建了雷达海空目标探测数据集LSS-DAUR-1.0，包含客轮、快艇、直升机、旋翼无人机、鸟类与固定翼无人机6类目标的多普勒和航迹数据。其次，基于该数据集分析了目标的多域多维特性，通过相关性和余弦相似度分析，验证了多普勒特征与物理运动特征的互补性。在此基础上，提出融合双特征的动态图图卷积网络(DG-GCN)分类方法设计自适应窗口调整、混合衰减函数和动态阈值机制，构建时空关联自适应动态图，结合图卷积特征学习和分类模块，实现对海空目标的精细化分类。LSS-DAUR-1.0数据集验证表明，DG-GCN分类准确率达99.66%，较ResNet和Transformer模型分别提升6.78%和17.97%，总处理时间仅4.98 ms，较对比模型降低80%以上，兼顾高精度与高效性。此外，噪声环境测试其鲁棒性良好。消融实验验证，动态边权机制可弥补纯时序连接的空间特征关联上不足，提升模型泛化能力。
针对海空目标雷达分类中存在的特征提取不充分、时空关联建模能力薄弱及分类性能欠佳等问题，该文围绕图网络特征提取和分类技术开展研究。首先，聚焦数字阵泛探雷达，构建了雷达海空目标探测数据集LSS-DAUR-1.0，包含客轮、快艇、直升机、旋翼无人机、鸟类与固定翼无人机6类目标的多普勒和航迹数据。其次，基于该数据集分析了目标的多域多维特性，通过相关性和余弦相似度分析，验证了多普勒特征与物理运动特征的互补性。在此基础上，提出融合双特征的动态图图卷积网络(DG-GCN)分类方法设计自适应窗口调整、混合衰减函数和动态阈值机制，构建时空关联自适应动态图，结合图卷积特征学习和分类模块，实现对海空目标的精细化分类。LSS-DAUR-1.0数据集验证表明，DG-GCN分类准确率达99.66%，较ResNet和Transformer模型分别提升6.78%和17.97%，总处理时间仅4.98 ms，较对比模型降低80%以上，兼顾高精度与高效性。此外，噪声环境测试其鲁棒性良好。消融实验验证，动态边权机制可弥补纯时序连接的空间特征关联上不足，提升模型泛化能力。
5
2026, 15(4): 1152-1167.
针对合成孔径雷达(SAR)在弱目标成像时目标回波信号易被背景杂波淹没的问题，该文提出了一种基于信杂噪比准则的SAR波形与成像滤波器联合设计方法。该方法首先建立以信杂噪比为目标函数的联合优化模型，综合考虑了恒模、主瓣峰值、旁瓣电平及目标散射不确定性等约束条件，形成了具有极大极小结构的非凸多约束优化问题。为求解该复杂非凸恒模问题，该文发展了一种序贯交替迭代框架，将原问题分解为波形与滤波器两个子问题，采用上镜图变换与MM算法相结合的策略，实现分式目标函数解耦和非凸约束条件转化；通过引入辅助变量以扩展可行域，保证初始迭代时的可行性，再添加随迭代次数递增的惩罚项，最终迫使辅助变量趋于零，实现原始问题的求解，并从理论上分析了算法的收敛性和计算复杂度。实验结果表明：与同参数的线性调频信号相比，联合设计方案在仿真、半物理及外场真实试验中均表现出显著的杂波抑制能力，SAR图像的信杂比可提升3.2 dB以上，为改善SAR系统对弱目标的探测与成像性能提供了工程可行的技术途径。
针对合成孔径雷达(SAR)在弱目标成像时目标回波信号易被背景杂波淹没的问题，该文提出了一种基于信杂噪比准则的SAR波形与成像滤波器联合设计方法。该方法首先建立以信杂噪比为目标函数的联合优化模型，综合考虑了恒模、主瓣峰值、旁瓣电平及目标散射不确定性等约束条件，形成了具有极大极小结构的非凸多约束优化问题。为求解该复杂非凸恒模问题，该文发展了一种序贯交替迭代框架，将原问题分解为波形与滤波器两个子问题，采用上镜图变换与MM算法相结合的策略，实现分式目标函数解耦和非凸约束条件转化；通过引入辅助变量以扩展可行域，保证初始迭代时的可行性，再添加随迭代次数递增的惩罚项，最终迫使辅助变量趋于零，实现原始问题的求解，并从理论上分析了算法的收敛性和计算复杂度。实验结果表明：与同参数的线性调频信号相比，联合设计方案在仿真、半物理及外场真实试验中均表现出显著的杂波抑制能力，SAR图像的信杂比可提升3.2 dB以上，为改善SAR系统对弱目标的探测与成像性能提供了工程可行的技术途径。
6
2025, 14(5): 1276-1293.
该文针对飞鸟和无人机等低慢小目标精细化特征提取和分类问题，提出了一种多波段多角度特征融合分类方法。首先分别基于K波段和L波段调频连续波雷达从多个角度采集了5种类型旋翼无人机和飞鸟模型数据，构建低慢小探测数据集。其次，为了获取L波段目标信号的周期性振动特征，利用经验模态分解提取L波段信号中高频特征，抑制噪声影响；对K波段回波信号进行短时傅里叶变换，获得多角度高分辨微动特征。然后，设计了一种多波段多角度特征融合网络模型(MMFFNet)，包含改进的卷积长短期记忆网络时序特征提取模块、注意力融合模块和多尺度特征融合模块，通过多波段多角度特征的融合提高了目标分类的准确率。通过实测数据集验证表明，与使用单一雷达特征分类方法相比，在高信噪比为5 dB和低信噪比为–3 dB条件下所提方法对7种类型的低慢小目标的正确分类准确率分别提高了3.1%和12.3%。
该文针对飞鸟和无人机等低慢小目标精细化特征提取和分类问题，提出了一种多波段多角度特征融合分类方法。首先分别基于K波段和L波段调频连续波雷达从多个角度采集了5种类型旋翼无人机和飞鸟模型数据，构建低慢小探测数据集。其次，为了获取L波段目标信号的周期性振动特征，利用经验模态分解提取L波段信号中高频特征，抑制噪声影响；对K波段回波信号进行短时傅里叶变换，获得多角度高分辨微动特征。然后，设计了一种多波段多角度特征融合网络模型(MMFFNet)，包含改进的卷积长短期记忆网络时序特征提取模块、注意力融合模块和多尺度特征融合模块，通过多波段多角度特征的融合提高了目标分类的准确率。通过实测数据集验证表明，与使用单一雷达特征分类方法相比，在高信噪比为5 dB和低信噪比为–3 dB条件下所提方法对7种类型的低慢小目标的正确分类准确率分别提高了3.1%和12.3%。
7
针对雷达对海上目标探测技术研究的数据需求以及目前公开的雷达对海探测数据缺乏的问题，该文提出一项“雷达对海探测数据共享计划”，旨在利用X波段固态全相参雷达等多型雷达开展对海探测试验，获取不同海况、分辨率、擦地角条件下目标和海杂波数据，并同步获取海洋气象水文数据、目标位置与轨迹的真实数据，实现雷达实测数据的标准化、规范化管理，推进数据集公开共享，服务于海杂波特性研究，有力地支持海杂波抑制和目标检测技术研究。
针对雷达对海上目标探测技术研究的数据需求以及目前公开的雷达对海探测数据缺乏的问题，该文提出一项“雷达对海探测数据共享计划”，旨在利用X波段固态全相参雷达等多型雷达开展对海探测试验，获取不同海况、分辨率、擦地角条件下目标和海杂波数据，并同步获取海洋气象水文数据、目标位置与轨迹的真实数据，实现雷达实测数据的标准化、规范化管理，推进数据集公开共享，服务于海杂波特性研究，有力地支持海杂波抑制和目标检测技术研究。
8
2025, 14(1): 73-90.
毫米波雷达凭借其出色的环境适应性、高分辨率和隐私保护等优势，在智能家居、智慧养老和安防监控等领域具有广泛的应用前景。毫米波雷达三维点云是一种重要的空间数据表达形式，对于人体行为姿态识别具有极大的价值。然而，由于毫米波雷达点云具有强稀疏性，给精准快速识别人体动作带来了巨大的挑战。针对这一问题，该文公开了一个毫米波雷达人体动作三维点云数据集mmWave-3DPCHM-1.0，并提出了相应的数据处理方法和人体动作识别模型。该数据集由TI公司的IWR1443-ISK和Vayyar公司的vBlu射频成像模组分别采集，包括常见的12种人体动作，如走路、挥手、站立和跌倒等。在网络模型方面，该文将边缘卷积(EdgeConv)与Transformer相结合，提出了一种处理长时序三维点云的网络模型，即Point EdgeConv and Transformer (PETer)网络。该网络通过边缘卷积对三维点云逐帧创建局部有向邻域图，以提取单帧点云的空间几何特征，并通过堆叠多个编码器的Transformer模块，提取多帧点云之间的时序关系。实验结果表明，所提出的PETer网络在所构建的TI数据集和Vayyar数据集上的平均识别准确率分别达到98.77%和99.51%，比传统最优的基线网络模型提高了大约5%，且网络规模仅为1.09 M，适于在存储受限的边缘设备上部署。
毫米波雷达凭借其出色的环境适应性、高分辨率和隐私保护等优势，在智能家居、智慧养老和安防监控等领域具有广泛的应用前景。毫米波雷达三维点云是一种重要的空间数据表达形式，对于人体行为姿态识别具有极大的价值。然而，由于毫米波雷达点云具有强稀疏性，给精准快速识别人体动作带来了巨大的挑战。针对这一问题，该文公开了一个毫米波雷达人体动作三维点云数据集mmWave-3DPCHM-1.0，并提出了相应的数据处理方法和人体动作识别模型。该数据集由TI公司的IWR1443-ISK和Vayyar公司的vBlu射频成像模组分别采集，包括常见的12种人体动作，如走路、挥手、站立和跌倒等。在网络模型方面，该文将边缘卷积(EdgeConv)与Transformer相结合，提出了一种处理长时序三维点云的网络模型，即Point EdgeConv and Transformer (PETer)网络。该网络通过边缘卷积对三维点云逐帧创建局部有向邻域图，以提取单帧点云的空间几何特征，并通过堆叠多个编码器的Transformer模块，提取多帧点云之间的时序关系。实验结果表明，所提出的PETer网络在所构建的TI数据集和Vayyar数据集上的平均识别准确率分别达到98.77%和99.51%，比传统最优的基线网络模型提高了大约5%，且网络规模仅为1.09 M，适于在存储受限的边缘设备上部署。
9
2026, 15(4): 1185-1200.
针对合成孔径雷达(SAR)在抗间歇采样转发干扰(ISRJ)时，现有抗干扰波形成像旁瓣高的问题，该文提出利用SAR多脉冲积累成像所带来的方位自由度，通过多脉冲互补同时提升抗干扰与成像低旁瓣能力，首先构建了方位多脉冲互补模式下的SAR点扩展函数(PSF)信号模型，在此基础上，建立了以最大化干扰抑制性能与最小化PSF旁瓣水平为核心目标的非凸多目标联合优化模型。为求解该复杂非凸优化问题，该文设计了一种二维联合优化抗ISRJ互补波形算法。该算法采用交替迭代优化框架将原问题解耦为波形与滤波器两个子问题，通过闭式更新实现波形与滤波器的协同设计。实验结果表明，相较于现有传统单波形抗干扰方法的最优结果，该文所提方法将干扰积分电平比(JILR)和干扰峰值电平比(JPLR)分别提升了12.85 dB和3.83 dB，同时将积分旁瓣比(ISLR)和峰值旁瓣比(PSLR)改善了24.96 dB和11.40 dB。该文方法不仅显著提升了抗干扰性能，同时有效抑制了距离旁瓣与距离-方位耦合旁瓣，显著改善了复杂电磁干扰环境下的合成孔径雷达成像质量。
针对合成孔径雷达(SAR)在抗间歇采样转发干扰(ISRJ)时，现有抗干扰波形成像旁瓣高的问题，该文提出利用SAR多脉冲积累成像所带来的方位自由度，通过多脉冲互补同时提升抗干扰与成像低旁瓣能力，首先构建了方位多脉冲互补模式下的SAR点扩展函数(PSF)信号模型，在此基础上，建立了以最大化干扰抑制性能与最小化PSF旁瓣水平为核心目标的非凸多目标联合优化模型。为求解该复杂非凸优化问题，该文设计了一种二维联合优化抗ISRJ互补波形算法。该算法采用交替迭代优化框架将原问题解耦为波形与滤波器两个子问题，通过闭式更新实现波形与滤波器的协同设计。实验结果表明，相较于现有传统单波形抗干扰方法的最优结果，该文所提方法将干扰积分电平比(JILR)和干扰峰值电平比(JPLR)分别提升了12.85 dB和3.83 dB，同时将积分旁瓣比(ISLR)和峰值旁瓣比(PSLR)改善了24.96 dB和11.40 dB。该文方法不仅显著提升了抗干扰性能，同时有效抑制了距离旁瓣与距离-方位耦合旁瓣，显著改善了复杂电磁干扰环境下的合成孔径雷达成像质量。
10
2023, 12(2): 456-469.
海上目标检测识别受制于海上目标及海杂波环境特性，基于实测数据认知海上目标的本质特征有利于推进目标检测识别技术进步。针对海上目标散射特性数据不足的问题，升级“雷达对海探测数据共享计划(SDRDSP)”，扩展雷达目标观测的物理维度、提升雷达及辅助数据采集能力，获取不同极化、海况下的海上目标及环境数据，构建海上目标双极化多海况散射特性数据集，并分析其统计分布特性、时间与空间相关性和多普勒谱特性，为数据使用提供支持。后续将推进海上目标类型与数量的持续积累，为海上目标检测识别性能提升和智能化发展提供数据支持。
海上目标检测识别受制于海上目标及海杂波环境特性，基于实测数据认知海上目标的本质特征有利于推进目标检测识别技术进步。针对海上目标散射特性数据不足的问题，升级“雷达对海探测数据共享计划(SDRDSP)”，扩展雷达目标观测的物理维度、提升雷达及辅助数据采集能力，获取不同极化、海况下的海上目标及环境数据，构建海上目标双极化多海况散射特性数据集，并分析其统计分布特性、时间与空间相关性和多普勒谱特性，为数据使用提供支持。后续将推进海上目标类型与数量的持续积累，为海上目标检测识别性能提升和智能化发展提供数据支持。
11
2026, 15(4): 1168-1184.
高分辨率宽幅(HRWS)成像是未来星载合成孔径雷达(SAR)系统的重要发展方向。多发多收(MIMO) SAR系统具备更高的空间自由度，具有进一步增强系统性能的潜力。然而有效实现MIMO-SAR中不同发射通道回波的分离，是发挥其空间自由度优势的关键前提。该文基于SAR体制中所采用信号的相位特性，以及“走-停”模型中空间-时间特性，设计一种适用于MIMO-SAR体制的新型空时相位编码(STPC)波形。该波形通过相位编码对发射信号在距离向进行调制，并依据预设的编码调制序列，在每个脉冲周期内的不同空间位置处进行信号发射。接收时基于与发射端匹配的编码调制时序，对混叠回波进行解调处理，可实现不同发射通道回波的高效分离。所提方案能够与现有经典的方位多通道重构方法结合，有效缓解了脉冲重复频率(PRF)与回波可分离性之间的矛盾。与现有MIMO-SAR系统中的Alamouti波形、短偏移正交(STSO)波形、分段相位编码(SPC)波形相比，所需天线资源减少近一半，降低了系统硬件实现成本与复杂度。最后，通过点目标与分布场景的仿真实验证明所提波形及处理方案能够有效抑制不同波形之间的干扰信号，具有良好的成像性能。
高分辨率宽幅(HRWS)成像是未来星载合成孔径雷达(SAR)系统的重要发展方向。多发多收(MIMO) SAR系统具备更高的空间自由度，具有进一步增强系统性能的潜力。然而有效实现MIMO-SAR中不同发射通道回波的分离，是发挥其空间自由度优势的关键前提。该文基于SAR体制中所采用信号的相位特性，以及“走-停”模型中空间-时间特性，设计一种适用于MIMO-SAR体制的新型空时相位编码(STPC)波形。该波形通过相位编码对发射信号在距离向进行调制，并依据预设的编码调制序列，在每个脉冲周期内的不同空间位置处进行信号发射。接收时基于与发射端匹配的编码调制时序，对混叠回波进行解调处理，可实现不同发射通道回波的高效分离。所提方案能够与现有经典的方位多通道重构方法结合，有效缓解了脉冲重复频率(PRF)与回波可分离性之间的矛盾。与现有MIMO-SAR系统中的Alamouti波形、短偏移正交(STSO)波形、分段相位编码(SPC)波形相比，所需天线资源减少近一半，降低了系统硬件实现成本与复杂度。最后，通过点目标与分布场景的仿真实验证明所提波形及处理方案能够有效抑制不同波形之间的干扰信号，具有良好的成像性能。
12
2026, 15(4): 1201-1219.
雷达自动目标识别性能主要取决于回波信号中的特征质量，发射波形作为主动塑造回波的信息载体，对分类性能具有决定性影响。然而现有波形设计常与分类器优化解耦，忽略两者间的协同，且波形优化准则与分类指标间缺乏直接关联，难以充分提升分类性能；多局限于单站雷达模型，未建立观测视角、发射波形与分类性能之间的联系，亦缺乏节点间的波形协同机制，无法利用空间与波形分集增益。为突破上述局限，该文提出一种面向分布式雷达目标分类的，端到端的“角度-波形匹配”优化框架。该框架将波形参数化，构建为可训练的波形生成模块，并与分类网络级联，从而将孤立的波形设计问题，转化为以分类任务直接驱动的波形与分类器的联合优化。利用目标先验信息对模型进行训练，优化得到与视角相匹配的波形及其适配的分类网络。进一步地，为提升分布式雷达联合分类性能，该文提出了基于非因果状态空间对偶模块的双分支网络，实现多视角信息的提取与融合。实验结果表明，该文所提方法能协同利用波形分集与空间分集，提升分类性能，且在节点缺失的场景下表现出鲁棒性，为分布式雷达智能波形设计提供了新方案。
雷达自动目标识别性能主要取决于回波信号中的特征质量，发射波形作为主动塑造回波的信息载体，对分类性能具有决定性影响。然而现有波形设计常与分类器优化解耦，忽略两者间的协同，且波形优化准则与分类指标间缺乏直接关联，难以充分提升分类性能；多局限于单站雷达模型，未建立观测视角、发射波形与分类性能之间的联系，亦缺乏节点间的波形协同机制，无法利用空间与波形分集增益。为突破上述局限，该文提出一种面向分布式雷达目标分类的，端到端的“角度-波形匹配”优化框架。该框架将波形参数化，构建为可训练的波形生成模块，并与分类网络级联，从而将孤立的波形设计问题，转化为以分类任务直接驱动的波形与分类器的联合优化。利用目标先验信息对模型进行训练，优化得到与视角相匹配的波形及其适配的分类网络。进一步地，为提升分布式雷达联合分类性能，该文提出了基于非因果状态空间对偶模块的双分支网络，实现多视角信息的提取与融合。实验结果表明，该文所提方法能协同利用波形分集与空间分集，提升分类性能，且在节点缺失的场景下表现出鲁棒性，为分布式雷达智能波形设计提供了新方案。
13
2026, 15(4): 1378-1402.
合成孔径雷达(SAR)利用合成孔径原理实现高分辨微波成像的遥感技术，而SAR图像彩色化是遥感领域一项基础且关键的任务。与光学成像不同，SAR不受云雾干扰，可以实现对地全天候观测。然而，由于其成像原理，SAR图像属于灰度图像，严重缺乏光谱信息，视觉清晰度明显降低。因此，已有大量研究通过赋予SAR图像颜色信息来提高其可解释性。该文将综述现有的SAR图像彩色化技术，并归纳为3类：传统的SAR图像彩色化技术、基于深度学习的SAR-to-Optical图像彩色化技术和基于辐射特性保持的SAR图像彩色化技术。最后总结了其应用场景和未来的发展方向。
合成孔径雷达(SAR)利用合成孔径原理实现高分辨微波成像的遥感技术，而SAR图像彩色化是遥感领域一项基础且关键的任务。与光学成像不同，SAR不受云雾干扰，可以实现对地全天候观测。然而，由于其成像原理，SAR图像属于灰度图像，严重缺乏光谱信息，视觉清晰度明显降低。因此，已有大量研究通过赋予SAR图像颜色信息来提高其可解释性。该文将综述现有的SAR图像彩色化技术，并归纳为3类：传统的SAR图像彩色化技术、基于深度学习的SAR-to-Optical图像彩色化技术和基于辐射特性保持的SAR图像彩色化技术。最后总结了其应用场景和未来的发展方向。
14
2026, 15(5): 1650-1668.
涡旋电磁波雷达(VEWR)利用轨道角动量(OAM)模态的正交性，理论上为突破传统雷达的方位向分辨率限制提供了新的物理维度，从而也为目标微动感知与前视成像开辟了新途径。然而，实际应用中有限可用模态与复杂电磁噪声导致严重的模态混叠和分辨率退化，现有稀疏成像方法普遍存在精度-效率失衡、噪声鲁棒性不足等问题。该文提出一种融合模态相关性加权与自适应正则化(MCW-AR)的超分辨成像框架。首先构建VEWR前视成像几何与波前调制信号模型；进而设计OAM模态相关矩阵量化模态间辐射能量的非均匀分布特性，通过贝塞尔函数幅值加权调制强化主导模态的低秩约束；最终建立联合稀疏性与低秩性的复合优化模型，引入自适应权重机制动态平衡结构保持与噪声抑制，并设计基于交替方向乘子法(ADMM)与增广拉格朗日乘子法(ALM)的联合优化框架，其中核心图像更新子问题采用动量加速的二维共轭梯度最小二乘(2D-CGLS)法高效求解。数值仿真与电磁仿真实验表明：该方法在有限模态和强噪声下仍能保持目标结构完整性，计算效率与成像质量得到显著提升。
涡旋电磁波雷达(VEWR)利用轨道角动量(OAM)模态的正交性，理论上为突破传统雷达的方位向分辨率限制提供了新的物理维度，从而也为目标微动感知与前视成像开辟了新途径。然而，实际应用中有限可用模态与复杂电磁噪声导致严重的模态混叠和分辨率退化，现有稀疏成像方法普遍存在精度-效率失衡、噪声鲁棒性不足等问题。该文提出一种融合模态相关性加权与自适应正则化(MCW-AR)的超分辨成像框架。首先构建VEWR前视成像几何与波前调制信号模型；进而设计OAM模态相关矩阵量化模态间辐射能量的非均匀分布特性，通过贝塞尔函数幅值加权调制强化主导模态的低秩约束；最终建立联合稀疏性与低秩性的复合优化模型，引入自适应权重机制动态平衡结构保持与噪声抑制，并设计基于交替方向乘子法(ADMM)与增广拉格朗日乘子法(ALM)的联合优化框架，其中核心图像更新子问题采用动量加速的二维共轭梯度最小二乘(2D-CGLS)法高效求解。数值仿真与电磁仿真实验表明：该方法在有限模态和强噪声下仍能保持目标结构完整性，计算效率与成像质量得到显著提升。
15
2026, 15(4): 1306-1321.
在多输入多输出(MIMO)雷达近场成像中，二维MIMO阵列通过扩展阵列规模可有效提升空间分辨率。该文系统基于时分多址(TDMA)波形体制，利用MIMO阵列进行近场孔径合成成像，通过在波数域对多通道原始回波进行相干累加，实现对近场区域的高分辨率三维覆盖。该体制相较于传统机械扫描，更适用于民航安检等对实时性要求高的场景。然而，毫米波波长较短，为满足奈奎斯特采样准则设计的MIMO雷达阵列会导致收发阵元数量显著增加，造成较大的成本开销。针对以上问题，该文提出一种多约束协同稀疏阵列(CMC-SA) MIMO雷达近场成像算法，该算法在阵列方向图主瓣增益不变、旁瓣电平压低的约束条件下，以权向量\begin{document}$ {\ell}_{\rm P} $\end{document} \begin{document}$ {\ell}_{\rm P} $\end{document}
16
2026, 15(4): 1434-1450.
合成孔径雷达(SAR)具备全天时全天候高分辨成像的能力，在监视侦察、防空反导、灾害监测等军民领域发挥着重要的作用。然而，伴随着电子对抗技术的发展，雷达干扰机可对SAR成像结果造成虚假目标欺骗干扰，严重威胁到SAR图像的判读和实时决策。针对上述问题，该文结合目标电磁散射机理，提出了基于散射特征增强的SAR虚假目标欺骗干扰判别网络(SF-ViT)，该网络针对干扰机空间位置固定导致的回波方位分布差异和模板构型与信号参数不同导致的散射特征差异，通过一个浅层特征增强模块放大真实目标和虚假目标在图像域上的区别，再通过卷积-ViTs混合轻量化网络完成高维语义特征的提取和分类。经过该文构建的SAR虚假目标欺骗干扰数据集上的对比试验验证，所提网络在不同信噪比条件下可以达到94.97%的平均判别准确率，同时具有参数量低、易于部署到边缘设备的优势，并且通过消融实验验证了所提散射特征增强模块也可以与传统模型相结合，提高对SAR虚假目标欺骗干扰判别准确率。
合成孔径雷达(SAR)具备全天时全天候高分辨成像的能力，在监视侦察、防空反导、灾害监测等军民领域发挥着重要的作用。然而，伴随着电子对抗技术的发展，雷达干扰机可对SAR成像结果造成虚假目标欺骗干扰，严重威胁到SAR图像的判读和实时决策。针对上述问题，该文结合目标电磁散射机理，提出了基于散射特征增强的SAR虚假目标欺骗干扰判别网络(SF-ViT)，该网络针对干扰机空间位置固定导致的回波方位分布差异和模板构型与信号参数不同导致的散射特征差异，通过一个浅层特征增强模块放大真实目标和虚假目标在图像域上的区别，再通过卷积-ViTs混合轻量化网络完成高维语义特征的提取和分类。经过该文构建的SAR虚假目标欺骗干扰数据集上的对比试验验证，所提网络在不同信噪比条件下可以达到94.97%的平均判别准确率，同时具有参数量低、易于部署到边缘设备的优势，并且通过消融实验验证了所提散射特征增强模块也可以与传统模型相结合，提高对SAR虚假目标欺骗干扰判别准确率。
17
2026, 15(4): 1417-1433.
毫米波雷达因其体积小、分辨率高、穿透能力强等优势，在安全检查、无损检测与穿墙成像等领域得到了广泛应用。高分辨率的毫米波雷达成像需要模拟合成孔径，即利用机械平台的结构化扫描实现二维空间密集采样，该过程在实际应用中耗时较长，因此已有许多研究在稀疏采样条件下对回波数据进行重建并用于成像。然而，现有稀疏恢复方法多依赖均匀随机采样假设，或计算复杂度较高，难以在合成孔径雷达(SAR)成像系统中实际应用。为解决此问题，该文提出一种基于低秩平滑矩阵补全的快速结构化稀疏毫米波三维SAR成像方法。首先，基于近场毫米波SAR成像原理，分析了回波数据所具有的全局低秩性质与局部平滑先验，论证了实际扫描采样中整行或整列缺失导致的结构化稀疏SAR数据具备可恢复性。在此基础上，构建了一种融合低秩与平滑约束的矩阵补全模型，该模型通过核范数与全变差正则化进行联合建模，并在交替方向乘子法(ADMM)框架下实现快速求解。最后，通过多组仿真与实测实验对所提出方法的性能进行验证，实验结果表明，在仅使用20%～30%随机稀疏采样的行或列回波数据下，该文方法即可在数十秒内实现快速数据恢复与高分辨率三维成像。
毫米波雷达因其体积小、分辨率高、穿透能力强等优势，在安全检查、无损检测与穿墙成像等领域得到了广泛应用。高分辨率的毫米波雷达成像需要模拟合成孔径，即利用机械平台的结构化扫描实现二维空间密集采样，该过程在实际应用中耗时较长，因此已有许多研究在稀疏采样条件下对回波数据进行重建并用于成像。然而，现有稀疏恢复方法多依赖均匀随机采样假设，或计算复杂度较高，难以在合成孔径雷达(SAR)成像系统中实际应用。为解决此问题，该文提出一种基于低秩平滑矩阵补全的快速结构化稀疏毫米波三维SAR成像方法。首先，基于近场毫米波SAR成像原理，分析了回波数据所具有的全局低秩性质与局部平滑先验，论证了实际扫描采样中整行或整列缺失导致的结构化稀疏SAR数据具备可恢复性。在此基础上，构建了一种融合低秩与平滑约束的矩阵补全模型，该模型通过核范数与全变差正则化进行联合建模，并在交替方向乘子法(ADMM)框架下实现快速求解。最后，通过多组仿真与实测实验对所提出方法的性能进行验证，实验结果表明，在仅使用20%～30%随机稀疏采样的行或列回波数据下，该文方法即可在数十秒内实现快速数据恢复与高分辨率三维成像。
18
状态: , 更新:
为有效解决复杂城区环境下高分辨合成孔径雷达(SAR)影像与地理信息系统(GIS)建筑足迹的自动配准问题，该文构建了一套基于形态学指数的SAR-GIS建筑足迹特征自动配准框架，所提框架主要由特征提取与配准两部分构成。在特征提取阶段，该文利用多尺度的形态学二次散射指数(DI)获取建筑初始掩膜，利用层析合成孔径雷达(TomoSAR)获取的高度分布密度作为先验信息，构建空间一致性滤波准则对掩膜进行筛选，最后提取具有规则几何特征的建筑底部轮廓可见边，并对其进行建筑布局统计与方向约束，获取SAR影像建筑的分组线段特征。在配准阶段，该文提出了一种基于方向约束的网格化迭代配准方法，通过上一步所提取的建筑布局作为先验信息，对建筑GIS足迹可见边进行方向约束，实现全局偏角校正，再引入网格化局部迭代策略构建非线性几何畸变补偿机制，实现SAR-GIS建筑足迹的高精度配准。该文基于涪城一号数据开展了多场景验证实验，实验结果表明，相较于传统Potts分割以及形态学基线的特征提取算法，所构建框架在建筑特征提取方面精度提高了12%以上。相较于传统迭代最近点(ICP)配准算法，该文所提框架的配准距离精度可提升46%以上，且配准成功率保持在88%以上。有效克服了传统刚性配准算法在复杂城区环境下效率低与鲁棒性差的缺陷。
为有效解决复杂城区环境下高分辨合成孔径雷达(SAR)影像与地理信息系统(GIS)建筑足迹的自动配准问题，该文构建了一套基于形态学指数的SAR-GIS建筑足迹特征自动配准框架，所提框架主要由特征提取与配准两部分构成。在特征提取阶段，该文利用多尺度的形态学二次散射指数(DI)获取建筑初始掩膜，利用层析合成孔径雷达(TomoSAR)获取的高度分布密度作为先验信息，构建空间一致性滤波准则对掩膜进行筛选，最后提取具有规则几何特征的建筑底部轮廓可见边，并对其进行建筑布局统计与方向约束，获取SAR影像建筑的分组线段特征。在配准阶段，该文提出了一种基于方向约束的网格化迭代配准方法，通过上一步所提取的建筑布局作为先验信息，对建筑GIS足迹可见边进行方向约束，实现全局偏角校正，再引入网格化局部迭代策略构建非线性几何畸变补偿机制，实现SAR-GIS建筑足迹的高精度配准。该文基于涪城一号数据开展了多场景验证实验，实验结果表明，相较于传统Potts分割以及形态学基线的特征提取算法，所构建框架在建筑特征提取方面精度提高了12%以上。相较于传统迭代最近点(ICP)配准算法，该文所提框架的配准距离精度可提升46%以上，且配准成功率保持在88%以上。有效克服了传统刚性配准算法在复杂城区环境下效率低与鲁棒性差的缺陷。
19
2026, 15(4): 1220-1237.
相参频率分集阵列(FDA)雷达具有系统结构简单、波束扫描灵活和发射自由度高等优点，在宽覆盖对空探测任务中展现出巨大潜力，但固有的波束扫描机制导致其在特定方向的波束驻留时间缩短，从而限制了传统宽带波形成像时的距离分辨率。为解决广域搜索与高分辨率成像之间的内在矛盾，该文提出了一种基于深度学习的相参FDA搜索成像一体化波形设计方法。该方法利用相参FDA多自由度灵活发射的优势，在保证宽覆盖搜索能力的同时，为多个感兴趣区域(ROI)定制化地设计波形、带宽、发射增益等多维发射资源。为了解决基带波形设计中恒模与相关性双重约束的非凸优化问题，该文构建了以残差自编码网络为核心的优化器，旨在直接学习并建立从初始相位空间到满足预设性能准则的最优相位空间的高维非线性映射关系。该网络能够高效地生成一组在多个ROI方向上同时具备低自相关旁瓣和低互相关电平的相位编码子波形。仿真结果验证了所提方法的有效性，表明其设计的波形在同步执行搜索与多目标成像任务时，(相比于窄带搜索模式)能够在指定ROI方向同时获得发射增益和距离分辨率提升，且自相关与互相关性能相较于传统方法具有显著优势，为提高现代雷达系统的同时多任务探测能力提供了一种有效途径。
相参频率分集阵列(FDA)雷达具有系统结构简单、波束扫描灵活和发射自由度高等优点，在宽覆盖对空探测任务中展现出巨大潜力，但固有的波束扫描机制导致其在特定方向的波束驻留时间缩短，从而限制了传统宽带波形成像时的距离分辨率。为解决广域搜索与高分辨率成像之间的内在矛盾，该文提出了一种基于深度学习的相参FDA搜索成像一体化波形设计方法。该方法利用相参FDA多自由度灵活发射的优势，在保证宽覆盖搜索能力的同时，为多个感兴趣区域(ROI)定制化地设计波形、带宽、发射增益等多维发射资源。为了解决基带波形设计中恒模与相关性双重约束的非凸优化问题，该文构建了以残差自编码网络为核心的优化器，旨在直接学习并建立从初始相位空间到满足预设性能准则的最优相位空间的高维非线性映射关系。该网络能够高效地生成一组在多个ROI方向上同时具备低自相关旁瓣和低互相关电平的相位编码子波形。仿真结果验证了所提方法的有效性，表明其设计的波形在同步执行搜索与多目标成像任务时，(相比于窄带搜索模式)能够在指定ROI方向同时获得发射增益和距离分辨率提升，且自相关与互相关性能相较于传统方法具有显著优势，为提高现代雷达系统的同时多任务探测能力提供了一种有效途径。
20
2026, 15(1): 1-25.
随着现代合成孔径雷达(SAR)三维成像系统对成像精度、效率及稳健性要求的不断提高，传统匹配滤波与压缩感知等方法三维成像性能受限。近年来，深度学习技术的迅猛发展为SAR三维成像提供了新的解决路径，通过将神经网络与雷达成像物理模型深度融合，形成了数据驱动与模型驱动协同的学习成像新范式。该文系统综述了深度学习在SAR三维成像中的研究进展，重点围绕超分辨成像与增强成像两大核心问题，基于前馈神经网络和深度展开网络的超分辨三维成像方法、多通道数据预处理和点云后处理三维增强成像方法论述了目前SAR三维成像方向的研究进展和研究热点，并综述了目前行业已公开发布的SAR三维成像数据集。此外，该文还探讨了当前深度学习SAR三维成像在高泛化高精度深度学习SAR超分辨三维成像技术研究、深度学习SAR高度维解模糊技术研究、深度学习SAR三维成像与图像增强一体化研究、深度学习SAR三维成像数据集构建等方面存在的研究挑战，并对未来发展趋势提出展望，旨在为相关领域学者提供研究参考和技术引导。
随着现代合成孔径雷达(SAR)三维成像系统对成像精度、效率及稳健性要求的不断提高，传统匹配滤波与压缩感知等方法三维成像性能受限。近年来，深度学习技术的迅猛发展为SAR三维成像提供了新的解决路径，通过将神经网络与雷达成像物理模型深度融合，形成了数据驱动与模型驱动协同的学习成像新范式。该文系统综述了深度学习在SAR三维成像中的研究进展，重点围绕超分辨成像与增强成像两大核心问题，基于前馈神经网络和深度展开网络的超分辨三维成像方法、多通道数据预处理和点云后处理三维增强成像方法论述了目前SAR三维成像方向的研究进展和研究热点，并综述了目前行业已公开发布的SAR三维成像数据集。此外，该文还探讨了当前深度学习SAR三维成像在高泛化高精度深度学习SAR超分辨三维成像技术研究、深度学习SAR高度维解模糊技术研究、深度学习SAR三维成像与图像增强一体化研究、深度学习SAR三维成像数据集构建等方面存在的研究挑战，并对未来发展趋势提出展望，旨在为相关领域学者提供研究参考和技术引导。
- 首页
- 上一页
- 1
- 2
- 3
- 4
- 5
- 下一页
- 末页
- 共:5页
微信 | 公众平台 
